John Doe

Прогресс в области создания искусственного интеллекта заставляет некоторых людей беспокоиться, что программное обеспечение лишит их рабочих мест. Случай произошедший в Австралии, когда горнодобывающая компания Rio Tinto роботизировала свой автопарк, только усиливает это беспокойство. В настоящее время ведущие исследователи приходят к выводу, что они могут создать программное обеспечение, способное научиться выполнять одно из самых сложных направлений их собственной работы — проектирование программного обеспечения самообучения машин.

В одном из своих экспериментов, исследовательская группа по изучению искусственного интеллекта проекта Google Brain использовала ПО, созданное самообучающейся системой, в сравнительном тестировании программы языкового перевода. То, что было разработано этой системой, превосходило результаты, ранее полученные при использовании программного обеспечения, разработанного людьми.

В недавнее время еще несколько групп также сообщили о прогрессе в разработке самообучающегося ПО для создания самообучающегося ПО. Среди них группа ученых из некоммерческого НИИ OpenAI (его сооснователем был Элон Маск), Массачусетский технологический институт, Университет Калифорнии, Беркли и еще одна исследовательская группа Google в области ИИ — DeepMind.

Если самоинициирущие методы искусственного интеллекта нашли практическое применение, значит, темпы его внедрения во всех отраслях экономики будут только расти. Сейчас компании вынуждены платить премии специалистам в области машинного обучения, в рядах которых наблюдается нехватка.

Джефф Дин, глава исследовательской группы Google Brain, в своих размышлениях на прошлой неделе предположил, что часть работы таких специалистов может быть выполнена программным обеспечением. По его словам направление исследований, названное им «Автоматизированным машинным обучением», является одним из наиболее перспективных в работе его команды.

«Сейчас вы решаете проблемы опираясь на опыт и данные и вычисления,» сказал Дин, на конференции AI Frontiers в Санта-Клара, Калифорния. «Можем ли мы обойтись без опыта в вопросе машинного самообучения?»

Серия экспериментов группы DeepMind компании Google призвана показать, что то, что исследователи называют «обучением обучению», может помочь решить проблему необходимости обработки самообучающимся ПО большого объема информации о конкретной задаче, чтобы выполнить ее хорошо.

Исследователи тестируют свое программное обеспечение для создания систем обучения, что выявить разнообразные, но связанных между собой, проблемы, такие как навигация лабиринты. Им удалось создать программы, обнаружившие в себе способность к обобщению и решению новых задач с меньшей потребностью в дополнительном обучении, чем могло бы быть.

Идея создания самообучающегося программного обеспечения давно витала в воздухе, но результаты первых экспериментов в этой области были несопоставимы с результатами деятельности человека. «Занятно,» сказал тогда Джошуа Бенгио (Yoshua Bengio), профессор Университета Монреаля, который ранее исследовал эту идею в 1990-е годы.

Бенгио отметил, что с ростом вычислительной мощности современных компьютеров и появлением техники глубокого обучения, вызвавшей недавний ажиотаж относительно искусственного интеллекта, цель вскоре может быть достигнута. Но в то же время он отмечает, что глубокое обучение все еще требует таких экстремальных вычислительных мощностей, что пока еще не практично думать о снижении нагрузки или частичной замены специалистов машинного обучения.

Исследователи Google Brain с помощью 800 высокомощных графических процессоров разработали ПО, которое справилось с разработкой системы распознавания изображений сопоставимое по качеству с лучшими разработками человека.

Открист Гупта (Otkrist Gupta), научный сотрудник лаборатории MIT Media Lab, считает, что все изменится. Он и его коллеги из MIT планируют использовать ПО с открытым исходным кодом в собственных экспериментах по разработке системы глубокого обучения, которая в тестах по распознаванию объектов смогла бы показать результат, сопоставимый с результатом тестирования человека.

Гупта считает, что у компаний и исследователей отличная мотивация на поиск способа сделать автоматизированную систему машинного самообучения практичней. «Снижение нагрузки на ученого при обработке данных является большим выигрышем,» говорит он. «Это может сделать вас более продуктивным и освободит для исследования идей более высокого уровня.»

Источник: https://www.technologyreview.com: AI Software Learns to Make AI Software

Изобретение Wi-Fi стало одним из самых великих изобретений 21 века. подарившее человечеству свободу. Возможность беспроводного подключения к Интернету в различных общественных местах, стала основой для комфортной удалённой работы. В самом деле, благодаря Wi-Fi тысячи кафе по всему миру превратились в продуктивные полноценные рабочие места для десятков тысяч людей.

Но любой человек пользующийся Wi-Fi знает о его недостатках, таких например, как периодическое долгое подключение, а иногда и вовсе невозможность соединения. Горькая правда о Wi-Fi заключается в том, что зачастую он попросту не работает.

И эта проблема вызывает важные вопросы: Почему? Какие факторы влияют на отказы? И что делать чтобы их избежать?
Сегодня благодаря работе Чжанхуа Пея и его товарищей из

которые опытным путём подсчитали сколько времени потребовалось для создания соединения 400 миллионов различных сессий Wi-Fi. Полученные данные они использовали для выяснения, что же является основной проблемой при подключении и как этого можно избежать.

Чжанхуа и его сотоварищи собрали данные из мобильного приложения работающего под операционной системой Android, под названием Wi-Fi Manager, которое задокументировало все этапы подключений и то как долго они происходили.

Каждое соединение Wi-Fi состоит из нескольких этапов. Сначала, мобильное устройство сканирует радио эфир в поисках точек доступа Wi-Fi. После того, как точка доступа выбрана, два устройства (мобильное устройство и точка доступа Wi-Fi) обмениваются пакетами с данными. Далее следует этап аутентификации, который как правило включает в себя ввод пароля. Последний шаг называется DHCP -регистрация и получение ip адерса сети, посредством протокола динамической конфигурации хоста. (Здесь следует обратить внимание на то, что после установления соединения, пользователя может автоматически перевести на страницу шлюза, которая требует ввода другого пароля, и команда Чжанхуа, не учитывала этот шаг в своих расчётах.)

Основной вопрос которым задавались китайские техники, звучал примерно так: «Если соединение проходило успешно, то как долго проходил процесс соединения». И ответ который исследователи получили, не удивит активных пользователей Wi-Fi. Выяснилось, что 45{33d8302486bd10b0fde64d2037652320e6f176a736d71849c0427b0d7398501a} времени соединения из всей выборки, заканчивалось неудачей, и только 15{33d8302486bd10b0fde64d2037652320e6f176a736d71849c0427b0d7398501a} всех соединений завершилось мене чем за 5 секунд.
Оказывается что на время соединения и его успех влияют несколько ключевых факторов, и самым первым отличительным общим фактором стало то, является ли сеть Wi-Fi частной или государственной. Частные сети показали более высокую отказоусточивость и скорость соединения.

Различия версий операционной системы мобильных устройств стали еще одним фактором оказывающим большое влияние на скорость и качество связи. Команда исследователей утверждает, что на идентичных устройствах, но под управлением различных версий операционных систем, устройства ведут себя совершенно по разному и показывают различия в скорости установления соединений. В лучшую сторону они выделили версию прошивок Android под названием FlyMe. Чипсеты как в мобильном устройстве, так и в точке доступа, также безусловно имели существенное влияние, и конечно же соединение между устройствами на более медленных чипсетах занимало больше времени.

Обнаружив и проанализировав все факторы, негативно влияющие на скорость подключения, команда создала алгоритм, который позволяет избежать наиболее очевидные проблемы в подключении и уменьшает время затрачиваемое на соединение.

Так например, с помощью этого алгоритма устройство оценивает наличие точек доступа, игнорируя медленные государственные сети и выбирая более быстрые частные сети, фильтруя их по силе сигнала точки доступа Wi-Fi.

«Такой подход существенно уменьшил скорость подключения»,- заявил Чжанхуа Пей. Разработанный алгоритм позволил уменьшить число ошибок соединения до рекордных 3,6 процентов, то есть количество неудачных попыток соединения сократилось примерно в 10 раз.

Этот впечатляющий результат, безусловно, будет оценен удалёнными работниками по всему миру, которые большую часть своего рабочего времени проводят за работой в удобных кафе.

Источник: https://www.technologyreview.com: Data Mining Solves the Mystery of Your Slow Wi-Fi Connection

За прошедшие пару лет я перепробовал и протестировал сотни приложений, расширений для Chrome и хаков чтобы стать более продуктивным студентом. На эти я наткнулся, читая списки инструментов для улучшения продуктивности некоторых экспертов и моих друзей, но мне также хотелось составить свой список, в котором было бы всё, что я использую.

Эта статья как раз об этом. Если вы найдёте что-то лучшее для продуктивности, обязательно отпишитесь мне об этом! В противном случае вы можете поделиться с друзьями этим.

Если вы хотите увеличить вдвое количество выполненной работы за день, то здесь есть 25 инструментов, которые вы можете использовать для этого:

Раздел 1: Расширения Google Chrome

Расширения Google Chrome легки в установке и использовании, поэтому большинство моих любимых инструментов представлены в этом разделе.

1. Блокировщик новостной ленты Facebook — из названия в принципе понятно для чего оно: полностью заблокирует ленту новостей и заменит её полезными цитатами. Думаю, это многим будет понравится.

2. Momentum — открывая новую вкладку, вы получите красивую картину. Это невероятно воодушевляет. Также там есть время, погода, лёгкий менеджер задач.

3. Adblock Plus — удаление назойливой рекламы с сайтов.

4. Rapportive — По почтовому адресу покажет, есть ли этот контакт в Linkedin, его краткую биографию и фото.

5. HubSpot Sales — позволит отследить кто прочитал ваше письмо.

6. Evernote Web Clipper — Позволит сохранить всё, что вы найдёте в интернете в ваш Evernote для будущего чтения. Он в 10 раз быстрее, чем функция сохранения в Facebook (Кто-нибудь вообще читает сохранённые статьи? Я — нет).

7. Контроль скорости видео — Это расширение позволяет ускорить или замедлить любое видео в онлайне с шагом 0.1, используя простые комбинации клавиш. Отлично работает с видео на YouTube.

8. Видео о том как удалить предложения на YouTube с помощью Adblock — в этом видео рассказывается как отключить появляющиеся предложения в YouTube с помощью Adblock. В принципе вы можете сделать это сами, кликнув на кнопке ABP и выбрав вариант «Заблокировать элемент».

9. Блокировка мешающего работе сайта — помогает заблокировать сайты, которые отвлекают вас. Там появляется очень прикольная картинка, когда вы попытаетесь открыть заблокированный сайт. Также есть похожее расширение Forest.

10. WhatFont — позволяет мгновенно узнать какой шрифт у элемента на сайте. Это расширение и ColorZilla очень полезны для веб-дизайнеров.

11. ColorZilla — позволяет узнать цвет любого элемента сайта.

Раздел 2: Приложения

1. Alfred — с ним я могу выключить мой Mac за 2 секунды — нажимаю option+пробел, ввожу «sh» и enter.

2. Jumpcut — хранит всё, что вы копируете — до 40 элементов. Очень полезно при разработке или написании писем.

3. F.lux — плавно меняет подстветку экрана ближе к оранжевому цвету, чтобы ваши глаза не уставали. Меньше времени на засыпание + хороший сон = повышенная продуктивность.

4. Todoist — мой любимый менеджер задач, прежде всего благодаря его дизайну. Wunderlist также хорош.

5. Evernote — здесь я храню заметки обо всём. Мне очень нравится поиск по записям, расширение Web Clipper и общий дизайн.

6. Google Calendar — Без вариантов, все уже должны им пользоваться.

7. Dropbox и Google Drive — доступ к вашим файлам отовсюду. Их тоже уже должны все знать.

Раздел 3: Важные привычки для повышенной продуктивности

1. Увеличьте чувствительность вашего трекпада — если вы используете компьютер в течение целого дня, повышенная скорость курсора позволит выполнять работу быстрее. Просто увеличьте чувствительность в настройках компьютера.

2. Научитесь быстро печатать — я учился печатать на специальной программе, типа такой (сейчас моя скорость 90 — 100 слов в минуту). Вы также можете потренировать свою скорость на 10FastFingers.

3. Записывайте все дела и не держите ничего только в голове.

4. Используйте систему Getting Things Done для управления задачами в Todoist/Wunderlist — это нелегко применить на практике, но очень полезно в работе.Я создаю 4 проекта/категории, по которым разбрасываю свои задачи из «Задачи на сегодня» в «Несрочные», «Задачи на неделю» или в «Просроченные». Это помогает избежать хаоса и сконцентрироваться только на важных задачах.

5. Включайте песню по кругу, чтобы оставаться в фокусе — так делают многие известные успешные люди. Недавно я нашел отличный трек «I Feel It Coming» группы The Weeknd и он уже проигран 145 раз.

6. Завтракайте каждое утро — однажды я не позавтракал и весь день был как не в своей тарелке, не говоря уже о потере продуктивности. Теперь я не пропускаю ни единого завтрака.

7. Слушайте подкасты во время еды и прогулок — это позволяет эффективно проводить всё ваше время.

Также обязательно чтобы вы всегда искали возможности улучшения самих себя и своей эффективности. Если вы хотите делать больше работы, достигать большего, помогать еще большему количеству людей и стать ценнее в этом мире, тогда вы точно должны улучшать эти вещи и оптимизировать их постоянно. И просто будьте всегда счастливы в процессе, это очень важно.

Источник

В сентябре прошлого года Роберт Макларен, офтальмолог и профессор Оксфордского университета, погрузил крошечную роботизированную руку в глаз Вильяму Биверу. Над областью центральной зоны сетчатки глаза которого, образовалась тонкая пленка (эпиретинальная мембрана прим.редакции), заставляя его видеть мир, словно отражения в зале зеркал.

Используя джойстик и камеру, профессор Макларен, управляя роботизированной системой Robotic Retinal Dissection Device (далее R2D2), произвел надрез образовавшейся пленки, размером не более сотой доли миллиметра, и освободил сетчатку пациента от препятствия мешающего полноценному зрению.
Это была первая операция, произведенная при помощи робота внутри человеческого глаза. С сентября по настоящее время в Англии в Оксфордской больнице Джона Рэдклифа еще пятерым людям была проведена данная операция, причем в одной из них использовался специальный вирус применяемый в генной терапии чтобы остановить эффект дегенерации сетчатки. Данная возможность стала доступной только благодаря беспрецедентной точности R2D2.

“Мои движения были безупречны и доведены до совершенства роботом ,” — сказал Макларен “Я мог даже отпустить джойстик и быть уверенным в том, что робот не сдвинется.”
В последнее десятилетие использование роботов в хирургии стало обычным делом. Американский хирургический робот Da Vinci, который используется для ремонта клапанов сердца, прооперировал более чем три миллиона пациентов по всему миру. Роботизированная хирургия обеспечивает многочисленные преимущества, предлагая хирургам большую степень контроля при одновременном снижении возможности нанесения травмы пациентам и уменьшая риск занесения инфекции. По некоторым оценкам, к 2020 году рынок медицинских роботизированных систем превысит 17 млрд долларов. Но до сих пор хирургические роботы были слишком громоздки для проведения определенных процедур требующих действий в малых масштабах (да Винчи, например, имеет размеры небольшого слона)

R2D2, который был разработан голландской медицинской робототехнической фирмой Preceyes BV, учреждённой университетом Эйндховена, является не единственным роботом направленным на проведение операций в области микрохирургии глаза. Крис Вагнер, руководитель передовых хирургических систем в Cambridge Consultants, возглавил команду разрабатывающую Axsis — одного из самых маленьких роботов для хирургического использования, его внешний корпус имеет размер не больше банки газировки.

«Очень сложно создать роботизированную хирургическую систему, способную работать на площади сопоставимой с размером линзы человеческого глаза, что составляет менее 10 миллиметров в диаметре», говорит Вагнер, чья команда начала работу над Axsis в апреле прошлого года. Например, кабели, которые позволяют роботу перемещаться, чуть больше диаметра человеческого волоса и каждый в поперечнике составляет около 110 микрометра.

R2D2, который, по оценкам Макларена, будет стоить около 1 млн долларов , и Axsis, являются прототипами роботов, которые в настоящее время ещё недоступны на рынке. Компания Cambridge Consultants надеется, что в будущем версии их Axsis роботов окажутся доступными в финансовом плане для небольших больниц, тем самым снижая барьер для выхода на рынок менее опытных хирургов использующих в своей деятельности роботов.

«С помощью этой системы, мы пытаемся расширить спектр процедур, которые должны в перспективе выполняться роботами, с точки зрения размера манипуляций и размера доступа,»- говорит Вагнер. Он надеется, что Axsis в будущем сможет использоваться для наиболее часто проводимых операций в развитых странах, таких как например операция над катарактой. Однако профессор Макларен, скептически относится к необходимости использования роботов в этом виде рутинных операций. И говорит, что для полного удовлетворения спроса на этот вид операций необходимы будут тысячи машин. Гораздо большую пользу хирургические роботы способны принести в операциях, которые в настоящее время невозможно выполнить человеку.

Макларен верит, что R2D2 и другие роботизированные хирургические системы, которые ещё появятся в будущем,в первую очередь будут использоваться для сложнейших операций над сетчаткой глаза, где необходимо с предельной осторожностью взаимодействовать с кровеносными сосудами. Несомненно это приведет к улучшению качества хирургии глаза, но самое главное заключается в том, что эти роботы откроют нам двери к новым операциям, требуемая точность которых, не подвластна человеческой руке.

Источник